Model untuk Respons Biner

Slides:



Advertisements
Presentasi serupa
Uji Hipotesis yang Menggunakan Sebaran t Stat Mat II 25/05/2011Dr. Rahma Fitriani, S.Si., M.Sc.
Advertisements

ANALISIS DATA KATEGORI
Latihan Regresi Logistik
Regresi dengan Respon Biner
Sebaran Peluang bersyarat dan Kebebasan
Statistika Matematika I Semester Ganjil 2011 Rahma Fitriani, S.Si., M.Sc.
Statistika Matematika 1
Program Studi Statistika, semester Ganjil 2012/2013
Statistika Matematika I Semester Ganjil 2011 Rahma Fitriani, S.Si., M.Sc.
Linear Programming (Pemrograman Linier) Program Studi Statistika Semester Ganjil 2012/2013 DR. Rahma Fitriani, S.Si., M.Sc.
ANALISIS DATA KATEGORIK
ANALISIS DATA KATEGORIK
REGRESI LOGISTIK BINER
STATISTIK TERAPAN Oleh : Dr. dr. Buraerah. H. Abd. Hakim, MSc
Program Studi Statistika Semester Ganjil 2012
Program Studi ekonomi pembangunan Semester Ganjil 2012
Statistika Matematika I
Statistika Matematika I
Statistika Matematika I
ANALISIS REGRESI.
Program Studi Statistika, semester Ganjil 2012/2013
Program Studi Statistika Semester Ganjil 2012
Program Studi Statistika, semester Ganjil 2012/2013
Linear Programming (Pemrograman Linier)
Program Studi Statistika, semester Ganjil 2012/2013
Program Studi Statistika, semester Ganjil 2012/2013
Program Studi Statistika Semester Ganjil 2012
Program Studi Statistika, semester Ganjil 2012/2013
Program Studi Statistika Semester Ganjil 2012
Agribisnis Study of Programme Wiraraja University
REGRESI LOGISTIK BINER (DICHOTOMOUS INDEPENDENT VARIABLE)
Program Studi Statistika Semester Ganjil 2011
Linear Programming (Pemrograman Linier)
Agribusiness Study of Programme Wiraraja University
Program Studi Statistika, semester Ganjil 2012/2013
Agribusiness Study of Programme Wiraraja University
Analisis Multivariate Program S2 Matematika Semester Genap 2011/2012
Model Logit Untuk Respons Biner
Pendugaan Parameter Regresi Logistik
Principal Components Analysis
Peubah Acak (Random Variable) IV (kasus Peubah Kontinyu)
Review Aljabar Matriks
Analisis Multivariat Program S2 Matematika Semester Genap 2011/2012
Model Linier untuk data kontinyu (lanjut)
Pembangkitan Peubah Acak Kontinyu I
Simulasi untuk Model-model Statistika
Monte Carlo Simulation (lanjut)
Pendugaan Parameter Statistika Matematika II
Model Linier untuk Data Kontinyu
Linear Programming (Pemrograman Linier)
Network Model (lanjut) Program Evaluation and Review Technique (PERT)
Principal Components Analysis (Pendekatan Sampel)
Multivariate Analysis
Model Linier untuk Klasifikasi Satu arah
Program Studi Statistika Semester Ganjil 2014
Dualitas Antara Uji Hipotesis dan Selang Kepercayaan
Pengantar Teori Peluang Semester Genap 2011/2012
Uji Hipotesis Pada Sampel berukuran besar
Pendugaan Parameter Statistika Matematika II
Peubah Acak (Random Variable) III
Uji Hipotesis Dua Ragam
Analisis Multivariat Program S2 Matematika Semester Genap 2011/2012
Pengantar Teori Peluang Semester Genap 2011/2012
Sifat-sifat Kebaikan Penduga (lanjut)
Sifat-sifat kebaikan penduga Latihan 1
Paradigma Neyman Pearson
Uji Hipotesis yang melibatkan Ragam
Model Sediaan Probabilistik (lanjutan)
Statistika Matematika 1
Statistika Matematika II Semester Genap 2011/2012
Transcript presentasi:

Model untuk Respons Biner Model Linier Program S2 Statistika 18/05/2019 Dr. Rahma Fitriani, S.Si., M.Sc

Dr. Rahma Fitriani, S.Si., M.Sc Untuk respons biner asumsi pada regresi linier tidak berlaku Struktur galat pada model tidak lagi normal Dilakukan transformasi Bentuk linier dimiliki oleh variabel perantara untuk penentuan peluang respons bernilai 1 atau 0 Untuk menghasilkan nilai peluang 0 s/d 1 P(.) adalah fungsi sebaran peluang kumulatif. 18/05/2019 Dr. Rahma Fitriani, S.Si., M.Sc

Dr. Rahma Fitriani, S.Si., M.Sc Fungsi P(.) adalah fungsi naik yang memetakan model linier menjadi nilai peluang 0 s/d 1. P(.) adalah fungsi sebaran peluang kumulatif. Dua fungsi yang diasumsikan: Fungsi sebaran kumulatif bagi sebaran normal baku → Model Linier Probit Fungsi sebaran kumulatif bagi sebaran logistik → Model Linier Logit (Regresi Logistik) 18/05/2019 Dr. Rahma Fitriani, S.Si., M.Sc

Dr. Rahma Fitriani, S.Si., M.Sc Karena bentuknya yang lebih mudah (direct solution of cdf), maka model linier logit lebih sering digunakan. Perhatikan: Jika digunakan model linier logit, maka: Log dari odds: logit 18/05/2019 Dr. Rahma Fitriani, S.Si., M.Sc

Dr. Rahma Fitriani, S.Si., M.Sc Atau pernyataan bagi odds: Yang dapat pula dinyatakan dalam hubungan multiplikatif Hubungan tersebut mempermudah interpretasi bagi setiap parameter model. 18/05/2019 Dr. Rahma Fitriani, S.Si., M.Sc

Dr. Rahma Fitriani, S.Si., M.Sc Interpretasi Terdapat dua hubungan yang ekuivalen: Logit bagi π Odd ratio Menaikkan 1 unit X akan menaikkan β unit logit bagi π Menaikkan 1 unit X akan merubah odds ratio menjadi eβ kali lipat. 18/05/2019 Dr. Rahma Fitriani, S.Si., M.Sc